考古遗址发掘数据分析研究与应用

发布时间：2017-10-24 23:24

  本文关键词：考古遗址发掘数据分析研究与应用

  更多相关文章： 考古数据分析 数据泛化 遗址发掘信息管理系统 良渚遗址

【摘要】：随着考古工作的深入开展,越来越多的数字考古资料产生出来,对文物保护和考古研究工作有着非常重要的价值。随着考古数据越来愈多,在查阅、分析这些数据时,多余重复的那些信息给相关人员会带来不必要的麻烦。数据泛化技术作为数据挖掘技术的重要一环,可以简化此类考古数据,方便管理,进而深入分析考古资料背后隐藏的规律和知识,有效地提高考古研究的效率。本文针对此类需求,以实际考古工作为例,研究数据泛化技术在考古数据分析领域的应用。本文深入分析了经典的面向属性归纳的数据泛化算法,并以相关数据为例阐述其在考古数据分析领域的应用。针对经典算法的阈值需要手动具体设置的情况,提出了自顶向下的用户交互方法对其进行改进,然后在良渚遗址数据集上进行相关实验,结果表明算法能改善数据分析效率。针对结果集存在无效规则的情况,设计了基于支持度的规则过滤方案,并用示例进行了说明,同时本文还分析了经典算法和改进算法的时间复杂度和空间复杂度。另一方面,本文还讨论了基于聚类算法对考古数据做泛化处理的机制。在良渚遗址数据集上使用自底向上的层次聚类算法对数据处理,得到的泛化结果比起原始数据更为简洁,符合预期目标。但是比起属性归纳算法,聚类算法时间复杂度过高,章节末尾还对两个算法的优劣进行探讨。泛化结果的可视化过程也是本文的研究工作之一,将结果以折线图、饼图方式展现比表格更为直观。最后,本文介绍了遗址数据采集与管理系统,系统集成了对复杂多样的考古数据的采集、集成、查询、更新和分析功能,并在分析功能中实现了遗址数据泛化模块。泛化模块设计了用户条件输入框、结果展示界面和可视化界面,方便考古研究人员快速分析考古数据。
【关键词】：考古数据分析 数据泛化 遗址发掘信息管理系统 良渚遗址
【学位授予单位】：浙江大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP311.13
【目录】：

• 摘要4-5
• Abstract5-13
• 第1章 绪论13-18
• 1.1 课题背景13
• 1.2 良渚文化遗址简介13-15
• 1.2.1 良渚遗址墓葬数据格式14
• 1.2.2 良渚遗址器物数据格式14-15
• 1.3 遗址发掘相关技术15-16
• 1.4 本文的工作和组织16-18
• 第2章 研究现状18-42
• 2.1 遗址发掘数据信息化研究现状18-24
• 2.1.1 遗址发掘数据类型18-22
• 2.1.2 遗址发掘数据信息化现状22-24
• 2.1.3 遗址发掘数据分析现状24
• 2.2 数据泛化技术简介24-41
• 2.2.1 面向属性归纳算法的数据泛化25-35
• 2.2.2 基于聚类算法的数据泛化35-41
• 2.3 本章小结41-42
• 第3章 遗址考古数据泛化分析42-73
• 3.1 数据来源与预处理42-43
• 3.1.1 墓葬数据预处理42-43
• 3.1.2 器物数据预处理43
• 3.2 面向属性归纳的数据泛化分析43-63
• 3.2.1 经典的面向属性归纳的数据泛化算法44-51
• 3.2.2 自顶向下的用户交互的数据泛化算法51-62
• 3.2.3 复杂度分析62-63
• 3.3 基于聚类的数据泛化分析63-69
• 3.3.1 领域知识辅助墓葬属性选择63-64
• 3.3.2 算法选择和参数设置64-65
• 3.3.3 结果示例65-69
• 3.4 泛化算法比较69
• 3.5 实验结果可视化69-72
• 3.5.1 matplotlib绘图库简介70
• 3.5.2 特征规则可视化示例70-71
• 3.5.3 分类规则可视化示例71-72
• 3.6 本章小结72-73
• 第4章 考古数据集成管理系统的设计与实现73-89
• 4.1 系统建设需求73
• 4.2 系统建设目标73-74
• 4.3 系统建设方案74-78
• 4.4 系统关键功能设计78-88
• 4.4.1 数据采集功能78-80
• 4.4.2 数据集成功能80-82
• 4.4.3 数据查询和更新功能82-84
• 4.4.4 数据分析与应用功能84-88
• 4.5 本章小结88-89
• 第5章 总结与展望89-91
• 5.1 总结89
• 5.2 展望89-91
• 参考文献91-94
• 攻读硕士学位期间主要的研究成果94-95
• 致谢95

【相似文献】

中国期刊全文数据库 前10条

1 邓爱华;;大数据时代来临 你准备好了吗?[J];科技潮;2012年09期

2 刘中宇;刘海良;;大数据时代高校云资源应用[J];现代教育技术;2013年07期

3 陶雪娇;胡晓峰;刘洋;;大数据研究综述[J];系统仿真学报;2013年S1期

4 ;大数据[J];财务与会计(理财版);2013年07期

5 孙志伟;;大数据时代中小企业的应对策略[J];未来与发展;2013年10期

6 宋慧欣;;大数据时代的自动化机遇[J];自动化博览;2013年10期

7 ;大数据的崛起:趋势、机遇与挑战[J];互联网周刊;2013年24期

8 邓春宇;郭阳;李俊妮;王伯伊;;大数据在县级供电公司中的应用[J];农村电气化;2014年03期

9 谢然;;大数据引领智能交通 且行且珍惜[J];互联网周刊;2014年08期

10 李晓辉;王淑艳;;大数据及其挑战[J];科技风;2012年23期

中国重要会议论文全文数据库 前4条

1 李田;郭利;冯鹏;;某型导弹单元设备自动检测系统软件设计[A];全国第十五届计算机科学与技术应用学术会议论文集[C];2003年

2 高世光;邓苏;王长缨;;关于ADO+引导数据种类的演变的研究[A];第十八届全国数据库学术会议论文集（技术报告篇）[C];2001年

3 颜涯;邵佩英;;GIS与MIS系统集成技术在城市规划中的应用[A];第十七届全国数据库学术会议论文集（研究报告篇）[C];2000年

4 谢国忠;;大数据时代下的企业管理与创新[A];创新驱动：新机遇 新挑战——2013年全国企业管理创新大会资料汇编[C];2013年

中国重要报纸全文数据库 前10条

1 中国科学技术发展战略研究院 许晔;大数据时代来袭 中国宜加紧布局[N];经济参考报;2013年

2 记者 李成成;崭露头角的大数据时代[N];企业家日报;2013年

3 ;精简企业数据是时候了[N];计算机世界;2008年

4 光大证券;“大数据”或成重要投资主线[N];中国证券报;2012年

5 本报记者 郭涛 李奕;与大数据打交道的那些人[N];中国计算机报;2012年

6 本报记者 齐洁;大数据蕴藏创业空间[N];中国经营报;2012年

7 吴勇毅;大数据“热”下的“冷”思考[N];中国冶金报;2012年

8 抚苏;众望所归，，大数据时代来临[N];电脑报;2013年

9 《网络世界》记者 于翔;大数据的价值实现之旅[N];网络世界;2013年

10 本报记者 孙琦子;这些年,一起忽悠着的“大数据”[N];经济观察报;2013年

中国博士学位论文全文数据库 前5条

1 张兰廷;大数据的社会价值与战略选择[D];中共中央党校;2014年

2 李琦;基于多源数据的交通状态监测与预测方法研究[D];吉林大学;2013年

3 张新;区域性防灾减灾信息服务体系研究[D];中国科学院研究生院（遥感应用研究所）;2006年

4 李智慧;基于可视化的三维放射治疗计算机模拟系统的研究[D];四川大学;2002年

5 袁培森;基于LSH的Web数据相似性查询研究[D];复旦大学;2011年

中国硕士学位论文全文数据库 前10条

1 郭铭;大数据时代包头公安基础信息化建设研究[D];内蒙古大学;2015年

2 贾同;大数据对高等教育发展的推动研究[D];西南大学;2015年

3 张靖雯;基于GPS路网的重卡动力参数分析系统开发[D];长安大学;2015年

4 张辉;基于移动互联网的高速公路公众信息服务系统分析与研究[D];长安大学;2015年

5 邓先明;基于西安市矿产资源规划关系数据库的数据质量控制研究[D];长安大学;2015年

6 魏亚红;流式数据的并行分类算法研究[D];曲阜师范大学;2015年

7 黄成鹏;大数据时代的个人隐私[D];华中师范大学;2015年

8 霍美娜;基于Hadoop海量数据分析的反腐云计算设计与实现[D];山东大学;2015年

9 朱迪;云计算在电力系统中的应用研究[D];华北电力大学;2015年

10 程彬彬;基于Hadoop的气温数据组织及时空分异特征提取方法研究[D];南京师范大学;2015年

本文编号：1091038